用于眼镜架铰链、外科仪器及人造心脏瓣膜的金属零件，常常是很小的。多年来，这类复杂形状零件制造商依靠金属注射成形（MIM）进行经济的连续生产。但有时在生产中出差错，在过程链的*后一步（烧结）之前，不可能发觉缺陷。当发现时纠正缺陷已太晚了。
　　借助神经网络，用复杂数字算法监控关键工艺工序，为金属注射成形无缺陷生产铺平了道路。制造商的收益因时间节省并非无用，这一点可在*终经费上反映出来。
　　德国IFAM研究所的科研人员正朝达到无缺陷生产而努力工作。他们的想法是，在注射成形的任何时候，系统都要监控所有参数（如重量、压力及温度等），发出零件质量的判断。
　　这样就可以在线发现错误、尺寸不合格与缺陷（像裂纹、变形或孔穴等）。这可让制造商马上改变相关设置。如果需要的话，可编程自动改变长周期运转系统的参数。必要的技术支持是由为MIM开发的神经网络提供的。
　　神经网络是基于高度复杂的算法，它的优点是可自学习。在一个强制的初始训练期后，它可给出系统的所有测量数据及它们之间的探测相互关系。过程控制系统可以给出制造商相关的所有信息，例如，如果在给定工序改变压力与温度的话，给出零件的*终重量。
　　神经网络的目标是至少降低废品率50%，这表示给制造商降低很大成本，因为原材料是昂贵的。没有神经网络协助，在质量要求确立之前的头几天，公司要报废的零件数目是很大的。
　　神经网络的另一优点是，它实际上使质量检验成为不必要。它也可用于其他类型的连续生产（如轻金属工业的压铸等）。由于在神经网络的帮助下，已成功生产了试验零件，研究人员现正寻求工业伙伴。